详细信息：

本项目预警装置通过CAN协议实时解析电动汽车充电桩上的充电数据，分离出所需要的SOC（电池充电状态）、单体电池最高电压、单体电池最高温度、充电时长等等，解析完成并采用大数据分析后，通过Lora组网、5G/4G光纤传输，上传到远程的电脑计算机端，实现充电过程的实时监控、预警，做到可测、可控、可预。基于大数据和深度学习实现了电池温升、压差的分析，准确预测了电池的老化和衰退轨迹，实现了充电故障的诊断。 依托该项目获批河北省电动汽车充换电技术创新中心省级平台。在技术方面，针对电动汽车充电安全技术领域，提出了双层防护模型，构建了基于智能学习算法的防护知识体系，实现了对充电数据的实时监控和评估，形成了充电安全预警平台的原创性重大突破，在国内处于领先水平，电动汽车充电安全性有了保障。 先进性和独创性：具体成果包括： 1、开发便携式电动汽车充电安全实时监测与预警系统。 2、创造性提出了双层防护模型。 3、创造性构建了基于智能学习算法的防护知识体系，实现车辆充电安全闭环管理，提高了48%的运维比例。 技术发明点1：研制了电动汽车充电安全监测与预警系统。 研制了基于ARM CortexM4构架的电动汽车充电安全监测与预警系统。构建了云平台+充电安全装置架构，具备5G/4G无线通信、光纤有线网口模块，满足车桩GB/T27930 CAN通信协议，基于光通信模块的冗余通信架构实现与“控制器”和“云端”互连，满足车桩监视和预警的实时性，具备可控、可监、可测与可预，实现了居民区、商业区和工业区多场景应用和充电数据的实时监控和评估。解决了充电安全预警不完善、适应性差的问题。 技术发明点2：提出了双层防护模型关键技术。 建立了主动和大数据两层防护模型，构建了基于大数据分析的充电安全事故分析概率模型，充电安全分析准确率提高60%，解决了充电安全防护方案不完善，模型完备的问题。 技术发明点3：提出了基于智能学习算法的防护知识体系。 基于云端海量数据，通过机器学习算法识别出 27个关键特征，建立了多维度组合的防护知识体系，实现了云端与设备侧的知识协同，实现了亚健康及高危车辆的分级管控，基于自适应学习的防护知识体系技术，实现车辆充电安全闭环管理，提高了48%的运维效率。